論文の概要: Sensitivity Analysis White Paper

• arxiv url: http://arxiv.org/abs/2606.07809v1
• Date: Fri, 05 Jun 2026 19:37:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:05.45842
• Title: Sensitivity Analysis White Paper
• Title（参考訳）: 白紙の感度解析
• Authors: Nate Bade, Lindsay Erickson,
• Abstract要約: 本稿では,複雑なシミュレーション設定に用いるコヒーレントなフレームワークとして,広義の感度解析文献を整理する。 本稿では,局所的および大域的アプローチ,分散的手法,スクリーニング手法,微分的手法,不確実性定量化ツールなど,主要な手法のクラスを概観する。 また、透明性、仮定追跡、決定関連設定におけるモデルの責任ある利用を重視した相補的な視点として、感度監査についても論じる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Sensitivity analysis is an important component of simulation-based decision support because it helps analysts determine which inputs most strongly influence model outcomes under uncertainty. This paper organizes the broad sensitivity analysis literature into a coherent framework for use in complex simulation settings, with particular attention to military applications. We review major classes of methods, including local and global approaches, variance-based techniques, screening methods, derivative-based methods, and uncertainty quantification tools, and relate them to common analytical objectives such as factor prioritization, factor fixing, variance reduction, and factor mapping. The paper also discusses sensitivity auditing as a complementary perspective that emphasizes transparency, assumption tracking, and responsible use of models in decision-relevant settings.
• Abstract（参考訳）: 感性分析はシミュレーションに基づく意思決定支援の重要な要素であり、不確実性の下でどの入力が最も強く影響するかをアナリストが決定するのに役立つ。 本稿では、広義の感度分析文献を複雑なシミュレーション設定に用いるためのコヒーレントな枠組みに整理し、特に軍事的応用に着目する。 本稿では, 局所的・大域的手法, 分散的手法, スクリーニング方法, 微分的手法, 不確実性定量化ツールなどの主要な手法を概観し, 因子優先順位付け, 因子修正, 分散低減, 因子マッピングなどの一般的な分析目的に関連づける。 また、透明性、仮定追跡、決定関連設定におけるモデルの責任ある利用を重視した相補的な視点として、感度監査についても論じる。

関連論文リスト

• Mathematical Reasoning in Large Language Models: Benchmarks, Architectures, Evaluation, and Open Challenges [1.8499314936771558]
  本調査は,Large Language Models (LLMs) を用いた数学的推論の最近の進歩を合成する。 本研究は,約120のピアレビュー研究とプレプリントを網羅し,本研究領域の進化について検討した。
  論文  参考訳（メタデータ） (2026-05-19T11:56:03Z)
• K-Models: a Flexible and Interpretable Method for Ordinal Clustering with Application to Antigen-Antibody Interaction Profiles [65.21921642886367]
  K-Modelsは、順序的制約を統合し、観察された機能プロファイルを生成するランダムプロセスの基本的な要素を推定する新しいフレームワークである。 提案手法はシミュレーションと実世界の応用を通して評価する。
  論文  参考訳（メタデータ） (2026-05-14T13:35:44Z)
• An overview of model uncertainty and variability in LLM-based sentiment analysis. Challenges, mitigation strategies and the role of explainability [6.791108304863664]
  本稿では,大規模言語モデル(LLM)におけるモデル変数問題(MVP)を体系的に検討する。 MVPの特徴は、一貫性のない感情分極、推論メカニズムに起因する不確実性、迅速な感度、トレーニングデータのバイアスである。 この研究は、より信頼性が高く説明可能な、堅牢な感情分析モデルの開発に役立ち、金融、医療、政策立案といった高度な分野への展開を促進する。
  論文  参考訳（メタデータ） (2025-04-06T12:20:39Z)
• Methodology for an Analysis of Influencing Factors on 3D Object Detection Performance [0.0]
  自動走行では、物体検出は環境の知覚に不可欠である。 本稿では,LiDARおよびカメラを用いた3Dオブジェクト検出装置において,オブジェクトおよび環境関連要因がどのように影響するかを解析するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-11-13T10:01:33Z)
• Contrastive Factor Analysis [70.02770079785559]
  本稿では,新しいコントラスト要因分析フレームワークを提案する。 コントラスト学習の領域において、因子分析の有利な特性を活用することを目的としている。 非負因子分析の解釈可能性特性をさらに活用するために、非負バージョンに拡張される。
  論文  参考訳（メタデータ） (2024-07-31T16:52:00Z)
• A Review of Global Sensitivity Analysis Methods and a comparative case study on Digit Classification [5.458813674116228]
  グローバル感度分析(GSA)は、ある決定を下すモデルにつながる影響のある入力要素を検出することを目的としている。 本稿では,グローバルな感度分析手法に関する総合的なレビューと比較を行う。
  論文  参考訳（メタデータ） (2024-06-23T00:38:19Z)
• Towards stable real-world equation discovery with assessing differentiating quality influence [52.2980614912553]
  一般的に用いられる有限差分法に代わる方法を提案する。 我々は,これらの手法を実問題と類似した問題に適用可能であること,および方程式発見アルゴリズムの収束性を確保する能力の観点から評価する。
  論文  参考訳（メタデータ） (2023-11-09T23:32:06Z)
• Sensitivity Analysis of High-Dimensional Models with Correlated Inputs [0.0]
  相関パラメータの感度は大きさだけでなく、微分に基づく指数の符号も逆転することができる。 相関パラメータの感度が大まかに異なるだけでなく、微分に基づく指数の符号も逆転できることを示した。
  論文  参考訳（メタデータ） (2023-05-31T14:48:54Z)
• Differential privacy and robust statistics in high dimensions [49.50869296871643]
  高次元Propose-Test-Release (HPTR) は指数的メカニズム、頑健な統計、Propose-Test-Release メカニズムという3つの重要なコンポーネントの上に構築されている。 本論文では,HPTRが複数のシナリオで最適サンプル複雑性をほぼ達成していることを示す。
  論文  参考訳（メタデータ） (2021-11-12T06:36:40Z)
• Evaluating Sensitivity to the Stick-Breaking Prior in Bayesian Nonparametrics [85.31247588089686]
  変分ベイズ法はベイズモデルのパラメトリック的および非パラメトリック的側面に対して感性が得られることを示す。 ベイズ感度分析に対する変動的アプローチの理論的および経験的支援を提供する。
  論文  参考訳（メタデータ） (2021-07-08T03:40:18Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。